Muestra y Población en Investigación: Cómo Calcularlas y Diferencias Clave 2026
Uno de los errores más frecuentes que cometen los estudiantes al escribir su tesis de grado es confundir la muestra y la población en investigación. El resultado es una metodología débil que puede costarles la aprobación del trabajo. Si estás redactando tu capítulo de metodología en la UNAM, la UBA, la Universidad de Chile o cualquier universidad latinoamericana, esta guía te explica exactamente qué es cada concepto, cómo calcular el tamaño de muestra correcto y qué tipo de muestreo elegir según tu diseño.
El problema no es que el tema sea difícil — es que los manuales universitarios explican la teoría sin mostrar ejemplos aplicados a tesis reales. Aquí vas a encontrar tablas comparativas, fórmulas con cálculos numéricos y ejemplos de investigaciones reales en salud, educación e ingeniería.
Diferencia entre Población y Muestra en Investigación
La distinción entre estos dos conceptos es fundamental para la validez de cualquier tesis de grado o protocolo de investigación.
| Concepto | Definición | Ejemplo |
|---|---|---|
| Población | Conjunto total de unidades de análisis con características comunes | Todos los universitarios de primer año en Colombia (≈600,000) |
| Muestra | Subconjunto representativo seleccionado de la población | 384 estudiantes seleccionados aleatoriamente |
| Unidad de análisis | El elemento individual que se estudia | Cada estudiante universitario |
| Marco muestral | El listado real y accesible de la población | Registro de matrícula de la Universidad Nacional de Colombia |
¿Por qué es importante definirlos bien? Los comités evaluadores de tesis en la UNAM, la UBA y el Tecnológico de Monterrey revisan específicamente que exista coherencia entre el problema de investigación, los objetivos y el tamaño de muestra. Una muestra mal calculada — sea demasiado pequeña o sin justificación estadística — es la razón número uno por la que los capítulos de metodología son devueltos para corrección.
Tipos de Población en Investigación
Antes de calcular tu muestra, debes clasificar correctamente tu población. Esto determina qué fórmula usarás.
Población finita vs. infinita
- Población finita: Tiene un número contable de elementos. Ejemplo: los 1,800 estudiantes de la Facultad de Ciencias de la UNAM en el ciclo 2025-2026. Cuando N ≤ 100,000, se considera finita y se aplica un factor de corrección.
- Población infinita (o muy grande): Supera los 100,000 elementos o no es posible contarlos. Ejemplo: todos los usuarios de redes sociales en México. Se usa la fórmula de Cochran sin corrección.
Población accesible vs. teórica
- Población teórica: El grupo completo al que aplica tu problema de investigación (ej. todos los pacientes diabéticos de Latinoamérica).
- Población accesible: El subconjunto al que realmente puedes acceder para tu tesis (ej. pacientes diabéticos atendidos en el Hospital General de México, CDMX, enero–marzo 2026).
Para tu tesis, siempre debes trabajar con la población accesible y justificar por qué es representativa de la teórica.
Cómo Calcular el Tamaño de Muestra
Existen dos fórmulas principales que se usan en la mayoría de las universidades latinoamericanas.
Fórmula de Cochran para poblaciones grandes (N > 100,000)
Esta es la fórmula estándar aprobada por el Manual APA y utilizada en programas como SPSS:
Donde:
- Z = valor de la distribución normal según nivel de confianza (1.96 para 95%; 2.576 para 99%)
- p = proporción esperada del fenómeno (0.5 si no se conoce, lo más conservador)
- q = 1 – p (0.5)
- e = margen de error aceptado (0.05 para 5%)
Cálculo ejemplo (tesis educativa, UNAL Colombia):
n = (3.8416 × 0.25) / 0.0025
n = 0.9604 / 0.0025
n = 384 estudiantes
Fórmula ajustada para poblaciones finitas (N ≤ 100,000)
Cálculo ejemplo (N = 1,200 estudiantes, Tec Monterrey):
n’ = 384 / (1 + (384 – 1) / 1,200)
n’ = 384 / (1 + 383/1,200)
n’ = 384 / (1 + 0.319)
n’ = 384 / 1.319
n’ ≈ 291 estudiantes
Tabla de tamaños de muestra según nivel de confianza
| N (Población) | n con 90% confianza | n con 95% confianza | n con 99% confianza |
|---|---|---|---|
| 100 | 74 | 80 | 87 |
| 500 | 176 | 217 | 286 |
| 1,000 | 213 | 278 | 399 |
| 5,000 | 313 | 357 | 470 |
| +100,000 | 271 | 384 | 664 |
Tipos de Muestreo: Probabilístico y No Probabilístico
La elección del tipo de muestreo depende directamente del enfoque de tu investigación y de si puedes acceder a un marco muestral completo.
Muestreo probabilístico
Todos los elementos de la población tienen la misma probabilidad de ser seleccionados. Es obligatorio en investigaciones cuantitativas que buscan generalizar resultados.
| Tipo | Cuándo usarlo | Ejemplo real en tesis |
|---|---|---|
| Aleatorio simple | Población pequeña y homogénea | Sorteo de 50 expedientes de pacientes entre 200 registros del IMSS |
| Sistemático | Lista ordenada disponible | Seleccionar cada k-ésimo alumno del listado de matrícula de la UBA |
| Estratificado | Población con subgrupos importantes | Dividir por carrera (Medicina 30%, Derecho 25%, Psicología 45%) en U. Chile |
| Por conglomerados | Población dispersa geográficamente | Seleccionar 10 escuelas primarias al azar en CDMX y encuestar a todos sus alumnos |
Muestreo no probabilístico
No todos los elementos tienen la misma probabilidad de ser seleccionados. Se usa en investigaciones cualitativas y en estudios exploratorios donde no existe un marco muestral.
- Por conveniencia: Se seleccionan los sujetos más accesibles. Permitido en estudios exploratorios pero debe declararse como limitación.
- Por juicio o intencional: El investigador elige deliberadamente casos representativos. Común en estudios de caso y etnografías.
- Bola de nieve: Los participantes reclutan a otros participantes. Útil para poblaciones de difícil acceso (migrantes, comunidades cerradas).
- Por cuotas: Se definen cuotas proporcionales por características (género, edad, nivel educativo) sin aleatoriedad interna.
Errores Comunes en la Definición de Muestra y Cómo Evitarlos
| Error frecuente | Consecuencia | Solución |
|---|---|---|
| No definir la población accesible | El comité cuestiona la representatividad | Delimitar por tiempo, lugar e institución específica |
| Usar n=100 “por conveniencia” sin justificación | Rechazo metodológico | Siempre calcular con fórmula y mostrar el cálculo |
| Confundir tipo de muestreo con tipo de investigación | Incoherencia metodológica | Investigación cuantitativa = muestreo probabilístico preferentemente |
| No describir los criterios de inclusión/exclusión | Ambigüedad sobre quién forma parte de la muestra | Incluir tabla de criterios en la metodología |
| Usar muestreo estratificado sin pesos proporcionales | Sesgos en los resultados | Calcular n por estrato usando proporciones del universo |
Ejemplos por Disciplina
Ciencias de la Salud — Tesis UNAM (Medicina)
Problema: Prevalencia de hipertensión en adultos mayores de 60 años en el IMSS, CDMX.
Población: 4,200 pacientes mayores de 60 años atendidos en el Hospital General de Zona N°1 del IMSS en 2025.
Tipo: Población finita.
Cálculo: n (Cochran) = 384; n’ ajustada = 384 / (1 + 383/4,200) = 384 / 1.091 ≈ 352 pacientes.
Muestreo: Aleatorio sistemático (expedientes ordenados por fecha de última consulta).
Ciencias Sociales — Tesis Universidad Nacional de Colombia
Problema: Impacto del trabajo informal en el bienestar subjetivo de jóvenes en Bogotá.
Población teórica: Jóvenes de 18-29 años trabajando de manera informal en Bogotá (≈ 280,000 según DANE 2024).
Población accesible: Jóvenes del mismo perfil en las localidades de Kennedy y Suba, primer semestre 2026.
Tipo: Población infinita (prácticamente).
Muestra: n = 384 (fórmula Cochran estándar).
Muestreo: No probabilístico, bola de nieve con punto de inicio en centros de empleo del SENA.
Ingeniería — Tesis Tecnológico de Monterrey
Problema: Satisfacción laboral de ingenieros de software en empresas medianas de Monterrey.
Población: 900 ingenieros de software en empresas de 50-200 empleados del sector TIC en Monterrey (directorio CAINTRA 2025).
Tipo: Finita.
Muestra: n = 384; ajustada = 384/(1+383/900) ≈ 270 ingenieros.
Muestreo: Estratificado por tamaño de empresa (50-99 empleados: 45%; 100-200 empleados: 55%).
Preguntas Frecuentes
¿Cuál es la diferencia entre muestra y población en investigación?
La población es el conjunto completo de elementos que comparten las características que estudias. La muestra es el subconjunto seleccionado de esa población. La muestra debe ser representativa para que los resultados puedan generalizarse a toda la población.
¿Cuántos participantes necesito para mi tesis?
Depende del tamaño de tu población y del margen de error aceptado. Para una población mayor a 100,000, la fórmula de Cochran con 95% de confianza y 5% de margen de error da n=384. Para poblaciones más pequeñas, aplica el factor de corrección para finitas. La mayoría de las tesis de grado trabajan con muestras entre 100 y 400 participantes.
¿Qué tipo de muestreo debo usar en una investigación cuantitativa?
En investigaciones cuantitativas se recomienda el muestreo probabilístico (aleatorio simple, sistemático o estratificado) para garantizar que los resultados sean generalizables. El muestreo no probabilístico se acepta en investigaciones exploratorias, pero debe declararse como limitación del estudio.
¿Puedo usar muestreo por conveniencia en mi tesis de grado?
Sí, especialmente en estudios exploratorios o cualitativos. Sin embargo, debes justificarlo explícitamente en la metodología y mencionar como limitación que los resultados no son generalizables a toda la población. Muchos tutores de la UNAM y la UBA lo aceptan si está bien justificado.
¿Cuál es la fórmula de Cochran para calcular el tamaño de muestra?
La fórmula de Cochran es: n = (Z² × p × q) / e². Para una confianza del 95% y margen de error del 5%, con p=q=0.5: n = (1.96² × 0.5 × 0.5) / 0.05² = 0.9604 / 0.0025 = 384. Para poblaciones finitas, ajusta con: n’ = n / (1 + (n-1)/N).
Para profundizar en los conceptos relacionados, consulta también nuestra guía sobre variables de investigación con ejemplos, el artículo sobre operacionalización de variables paso a paso, y nuestra guía completa sobre instrumentos de recolección de datos con plantillas. Si aún estás en la fase inicial, visita nuestro artículo sobre cómo redactar el planteamiento del problema.
Leave a Reply